392Picks
Pick に失敗しました

人気 Picker
これは必読の記事。圧倒的なデータに、人間の泥臭い作業が加わるれば、もはや敵なし
。次の指摘はあらゆるメディアに当てはまる話。「今までは、検索で人が求める情報に行き着く時代でした。対し、これからは検索されるよりも先に相手のニーズを汲み取り、先回りしておすすめする時代」
元来エンターテイメントは特にレコメンドから人に届く性質があります。恋人に連れていかれた映画、憧れている人が聞いている音楽、たまたまタダ券をもらった舞台。
例えば洋服を選ぶには、サイズを合わせたり、季節で厚着薄着があるなど一定の制約がありますが、エンターテイメントにはそれがありません。
人は自分が選んだ動機や好きになる理由を無意識に求めます。「好きな出演者、監督、脚本家」などで選ぶことも多いですが、それらもそもそも、なんかしらでレコメンドされた結果好きになったものだったりします。
レコメンドの方法は様々です。例えば分りやすいところでは「ランキング」は強力なレコメンドシステムです。ダイレクトに「オススメ」されることに食傷気味になるユーザーもでてくるかもですね。
面白い。「全ての行動は把握され、データ化され、解析されている」。ちなみに、ダボス会議では、そのパーソナルなデータ取得とビジネス展開の可否も議論になっていた。

⇒アンケート等で自己申告する「明確なデータ(Explicit Data)」よりも、時には本人さえも自覚していない価値観が現れる行動データ、つまり「潜在的なデータ(Implicit Data)」が鍵を握っています
作品数50,000に対して、76,897通りの分類…組み合わせと考えると、一つの小分類(例えばジャンルとか国とか)でそれぞれ5個選択があると、7個小分類があればこれくらいの数になる(はず…)。そう考えると、そこまで多くもない気もする。逆に、そこの小分類を上手く設定できる(おそらく軸として独立性があり、明確なもの?)かがキーに見える。
ただ、こういったコンテンツに関しては、やはり明確に定義をして、専門の人が見てある程度人力で一貫性を担保しないと、正しくスコアリングができないのか…ディープラーニングが期待されるエリアだが、それ以外にもっと集合知を活用できないものだろうか。
これは必読。参考になる
"Search is Dead"と評論家チックに言うのは簡単だが、5万にも及ぶ映画のデータを全てインデックス化して、レコメンデーションの精度を極限まで高めた芸当は本当に恐るべしとしか言いようがない。
ライブラリーが多過ぎて検索に時間がかかりすぎるというのがNetflixに関連してよく聞くクレーム。数値としてはレコメンド経由の視聴が多いわけだけど、結局UIの問題もあって検索から見る人が少ないだけで、実は他のOTTサービスもレコメンド経由(新着や人気ランキング含め)で視聴する人が多いんじゃないかなという気もする。データがないから分からないけど。個人的には知人や友人或いは批評家からのレコメンドが視聴するキッカケになると思っていたけど、NetflixはサードパーティーへのAPIの開放を止めてしまった。そういうこともあってレコメンド経由の視聴比率が高まっている気もする。
人に提供するサービスで完璧を求めるなら、最終的に人の地道な努力が必要。まだコンピューターのアルゴリズムでは人の心を掴めなさそう。
めちゃくちゃ面白い記事でした。「Search is dead」検索よりも先回りしてレコメンドする発想は超重要だと思いました。ウォークマンもiPhoneも、潜在ニーズを先回りして、形作ったからこそヒットした。その先回りが一部の天才マーケターではなく、ビックデータで可能になってるのが面白い。
36ページのマニュアルを駆使し作品の評価をメタデータ化する。徹底ぶりが半端ない